クラウドソーシングで 学習データを爆速で作る
•
0 likes•4,985 views
1,000枚を超える学習データも1日で用意できる、機械学習用インフラについて BearTail(Dr.Wallet)×Sansan -合同LT会- - http://connpass.com/event/19249/
Recommended
More Related Content
Viewers also liked
Recently uploaded
Recently uploaded (11)
クラウドソーシングで 学習データを爆速で作る
- 1. BearTail(Dr.Wallet) Sansan -合同LT会- クラウドソーシングで 学習データを爆速で作る Motoshi Nishihira（@snomof） BearTail CTO
- 4. BearTailでの機械学習 • 購買のカテゴリ分類 • 購買データのクレンジング • 画像処理 特に学習用データの作成について
- 5. 機械学習をするには • 大量の学習用画像 • 大量の正解データ • 例えば - Haar-like検出器（顔認識でよく使う）: 数千枚 - MNIST（DeepLearningでの手書き数字検出）： 数万枚
- 6. 学習データを作る時間 • 例えば、1000枚の少なめのデータセットを作る時 - ツールを使って1枚10秒で切り取ったとしても160分 - 160分あれば、どれだけコーディングやリサーチが出来るのだ ろう・・・
- 7. クラウドソーシングを使う • 属人的で無い作業なら、 クラウドソーシングで解決できる - 簡単な画像の加工 - データの分類 • BearTailでは在宅ワーカーさんに依頼 - 一般的な話にするため、クラウドソーシングとします
- 8. 多くの人に作業してもらうには • 誰でも簡単に作業出来る必要がある - 研究用に、JavaやQtで実装される事もあるが、一般人にセット アップは不可能 • ブラウザで使えるWebアプリケーションが最適
- 9. クラウドソーシングで解決している事 • 学習用の理想的なデータの作成 - 台形補正による歪みの解消 歪み補正後の画像処理の学習・検証用 - 画像の特定部分の切り出し 日付、電話番号などに特化した処理の学習・検証用
- 13. 導入のメリット • 数千枚の作業でも、1日で完了 • PDCAが早く回せる - R&Dの速度を上げるためにとても重要 • レシート入力システムと共有しているコードが多く、 実装コストはほぼフロントエンドのみ
- 14. 問題点-ルール作り • ルール作りが意外と大変 - 対象画像の明文化 金額 とは ¥ や 円 を含むのか？ 合計 の文字を切り取る仕事だけど 現計 と記載されているものはあり？ - 程度の問題 傾きの許容範囲は？ 鮮明さの許容範囲は？ • 条件漏れが発生し、まるでコーディングのよう - プログラミングとは違い、条件の判定に曖昧さが入るので、ルールの記述が難しい 例: 読めるくらいのブレは許容、傾きは5 くらいまで
- 15. 問題点-作業者の管理 • ルールに漏れがある時に、 多くの人から同時に質問が来る事がある - メッセージのやりとりに時間がかかってしまう • 複雑な条件の作業を複数回行う時は、同じ作業者に頼む 方が学習コストが低い - 作業者リストが必要 • オーガナイズ役の人がいると る - 個人プロジェクトでは難しい
- 16. 今後 • 学習後の精度検証・問題点の調査にもクラウドソー シングを取り入れる - 学習後の検証は専門家が行う必要がある - 明らかな外れ値の除外など、 学習後にも属人的でない作業も一部ある • より柔軟に作業を配信できるように
- 17. We are hiring!
- 18. KDDI ∞ Labo ベストエンジニア賞 DMTC AWARD 大賞 全国高校生プログラミングコンテスト 優勝 mixi Scrap Challenge 1位 日経Linux 連載 IPA未踏採択 全国高専プログラミングコンテスト 優秀賞/特別賞/敢闘賞 paizaオンラインハッカソン Haskell最速 SuperCon 2014 優勝 ICPC2015 国内予選突破（11月本戦） 2Weeks US Workshop 2015 優勝 メンバーの実績